Kraftfuld ny AI-teknik registrerer og klassificerer galakser i astronomibilleddata

Forskere ved UC Santa Cruz har udviklet et kraftfuldt nyt computerprogram kaldet Morpheus, der kan analysere astronomiske billeddata pixel for pixel for at identificere og klassificere alle galakser og stjerner i store datasæt fra astronomiundersøgelser.

Morpheus er en dybdelæringsramme, der inkorporerer en række kunstig intelligens-teknologier udviklet til applikationer som billed- og talegenkendelse. Brant Robertson, en professor i astronomi og astrofysik, der leder Computational Astrophysics Research Group ved UC Santa Cruz, sagde den hastigt stigende størrelse af astronomidatasæt har gjort det vigtigt at automatisere nogle af de opgaver, som traditionelt udføres af astronomer.

"Der er nogle ting, vi simpelthen ikke kan gøre som mennesker, så vi er nødt til at finde måder at bruge computere til at håndtere den enorme mængde data, der vil komme ind i løbet af de næste par år fra store astronomiske undersøgelsesprojekter, " han sagde.

Robertson arbejdede med Ryan Hausen, en kandidatstuderende i datalogi ved UCSC's Baskin School of Engineering, der udviklede og testede Morpheus i løbet af de sidste to år. Med offentliggørelsen af ​​deres resultater 12. maj i Astrophysical Journal Supplement Series , Hausen og Robertson udgiver også Morpheus-koden offentligt og giver onlinedemonstrationer.

Galaksernes morfologier, fra roterende diskgalakser som vores egen Mælkevej til amorfe elliptiske og sfæroide galakser, kan fortælle astronomer om, hvordan galakser dannes og udvikler sig over tid. Storskala undersøgelser, såsom Legacy Survey of Space and Time (LSST), der skal udføres ved Vera Rubin Observatory, der nu er under opførelse i Chile, vil generere enorme mængder billeddata, og Robertson har været involveret i planlægningen af, hvordan man bruger disse data til at forstå dannelsen og udviklingen af ​​galakser. LSST vil tage mere end 800 panoramabilleder hver nat med et 3,2 milliarder pixel kamera, optager hele den synlige himmel to gange hver uge.

"Forestil dig, hvis du gik til astronomer og bad dem om at klassificere milliarder af objekter - hvordan kunne de overhovedet gøre det? Nu vil vi automatisk være i stand til at klassificere disse objekter og bruge den information til at lære om galakseudviklingen, " sagde Robertson.

Andre astronomer har brugt dyb-læringsteknologi til at klassificere galakser, men tidligere bestræbelser har typisk involveret tilpasning af eksisterende billedgenkendelsesalgoritmer, og forskere har fodret algoritmerne med kuraterede billeder af galakser, der skal klassificeres. Hausen byggede Morpheus fra bunden, specielt til astronomiske billeddata, og modellen bruger som input de originale billeddata i det digitale standardfilformat, der bruges af astronomer.

Pixel-niveau klassificering er en anden vigtig fordel ved Morpheus, sagde Robertson. "Med andre modeller, du skal vide, at der er noget der og give modellen et billede, og den klassificerer hele galaksen på én gang, " sagde han. "Morpheus opdager galakserne for dig, og gør det pixel for pixel, så det kan håndtere meget komplicerede billeder, hvor du måske har en kugleformet lige ved siden af ​​en disk. For en disk med en central bule, den klassificerer bulen separat. Så det er meget stærkt."

For at træne dyb-læringsalgoritmen, forskerne brugte information fra en undersøgelse fra 2015, hvor snesevis af astronomer klassificerede omkring 10, 000 galakser i Hubble Space Telescope-billeder fra CANDELS-undersøgelsen. De anvendte derefter Morpheus til billeddata fra Hubble Legacy Fields, som kombinerer observationer taget af flere Hubble dybfeltsundersøgelser.

Når Morpheus behandler et billede af et område på himlen, det genererer et nyt sæt billeder af den del af himlen, hvor alle objekter er farvekodede baseret på deres morfologi, adskille astronomiske objekter fra baggrunden og identificere punktkilder (stjerner) og forskellige typer galakser. Outputtet inkluderer et konfidensniveau for hver klassifikation. Kører på UCSC's lux supercomputer, programmet genererer hurtigt en pixel-for-pixel-analyse for hele datasættet.

"Morpheus giver detektion og morfologisk klassificering af astronomiske objekter på et granularitetsniveau, der ikke eksisterer i øjeblikket, " sagde Hausen.

En interaktiv visualisering af Morpheus-modellens resultater for GOODS South, en dybfeltsundersøgelse, der afbildede millioner af galakser, er blevet offentliggjort. Dette arbejde blev støttet af NASA og National Science Foundation.